NormDetect：以低误报约束校准机器生成文本检测

网络平台会筛查由大语言模型撰写的帖子，每次误判都会伤及人类作者，因此检测器必须在极低误报率（FPR）下运行。Binoculars等零样本检测器用冻结语言模型给文本评分，但同形异码字符等不可见编辑会破坏分词，使机器文本的分数落入人类文本范围。Unicode规范化能够撤销这些编辑，不过面对没有可清理痕迹的攻击，在严格FPR约束下，规范化分数仍漏检一半机器文本。我们发现，使用Falcon-7B评分模型对时，基于token统计的预测头在这一FPR下的召回率低于规范化分数，有些还会在部分内容分区错误标记过多人类帖子。我们提出NormDetect，将学习得到的分区预测头锚定于规范化零样本分数。在训练折中遵守人类文本FPR上限选择混合权重，再只用人类文本校准统一阈值。在RAID八个分区、十一种攻击上，NormDetect在0.1%标定FPR下比规范化Binoculars提高召回率5.0个百分点；每个分区的人类文本FPR上界均不超过1%，符合这一上界的其他检测器都没有达到同等召回率。